JP6036174B2

JP6036174B2 - 心音情報処理装置、心音情報処理方法および心音情報処理プログラム

Info

Publication number: JP6036174B2
Application number: JP2012240239A
Authority: JP
Inventors: 敬介小田; 真音菅野
Original assignee: JVCKenwood Corp
Current assignee: JVCKenwood Corp
Priority date: 2012-10-31
Filing date: 2012-10-31
Publication date: 2016-11-30
Anticipated expiration: 2032-10-31
Also published as: JP2014087543A

Description

本発明は、心音を分析し、心音から心雑音を検出し、異常心音である心雑音の症例を識別する技術に関する。

心音には様々な情報が含まれており、医師は聴診器を用いて心音を聴くことで、心雑音や異常心音の有無、および、その種類、症例を診断する。しかし、聴診器を用いての診断には特殊な技量や訓練が必要であり、一般の人が行うことは極めて難しい（例えば非特許文献１）。そこで、コンピュータを用いて心音を分析し、心雑音の有無、および、その種類、症例を判定できれば、医療の拡充につなげることができると考えられる。

ここで、特許文献１（特開２００９―２４０５２７号公報）には心音解析装置が開示されている。この心音解析装置は、心音聴診データから第１音及び第２音を含む１心音周期分を１周期心音データとし、１周期心音データをスペクトルパワー密度データに変換する。そして、スペクトルパワー密度データにおいて信号強度が最大になる周波数Ｆｍａｘを求める。また、スペクトルパワー密度データにおいて、複数個の信号強度閾値ＴＨＶ_ｉ（ｉ＝１〜ｎ）を設定し、それぞれのＴＨＶ_ｉに対する周波数幅Ｆｗｉｄｔｈ_ｉを求める。そして、複数の心音周期のＦｍａｘ、ＴＨＶ_ｉ及びＦｗｉｄｔｈ_ｉに基づいて、心臓疾患の種類を判定している。

特開２００９−２４０５２７号公報

沢山俊民著、ＣＤによる聴診トレーニング〈心音編〉改訂第２版、南江堂；（１９９４／０２）

実際に医師が心雑音の有無、および、その種類、症例を診断する際は、心雑音の最強点（心雑音が最も鮮明に聴かれる場所、すなわち器質的変化のある場所）を一つの基準として診断している。そして、症例によって心雑音の最強点は異なるのであるから、診断にあたっては、例えば、２ＲＳＢ（第二肋間胸骨右縁）や、２ＬＳＢ（第二肋間胸骨左縁）、３ＬＳＢ（第三肋間胸骨左縁）、心尖部など、いくつかの聴診位置を聴診することになる。更に、心雑音は症例が異なっている場合でも聴感上類似している場合がある為、医師でも聴診器のみでの診断では症例を判断するのは難しい場合がある。

仮に、総ての聴診位置からそれぞれ集音したデータに基づいて決定した一つの最強点を用いて解析しているとすると、最強点を決定する際には少なくとも二以上の聴診位置のデータを利用する必要がある。なお、特許文献１には最強点を決定する方法に関しては記載されていない。

医師や従来技術が症例を判断する際は複数の聴診位置から症例を分類している。しかし、複数の聴診位置を聴くことには時間も要し、患者の負担になってしまう。また、様々な聴診位置の心音を取得できるジャケットは大掛かりになる可能性がある為、一般の人の在宅医療に貢献することは難しい。

本発明は、心雑音の区間を心音データから抽出した分析信号を用い、前記分析信号の、所定の周波数成分である第一の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分である第二の周波数成分と、の比、または、第二の周波数成分と、第一の周波数成分の一部を構成する所定の周波数成分であって第二の周波数成分と異なる第三の周波数成分と、の比、に基づいて心雑音の症例を分類する。

本発明の心音情報処理装置、心音情報処理方法および心音情報処理プログラムによれば、２ＲＳＢ一箇所の聴診位置のみで取得した心音の周波数解析を行うことで、心雑音を検出し、最強点に関係なく、いくつかの聴診位置を聞かずとも、最強点の違うＭＲ（僧帽弁閉鎖不全症）とＡＳ（大動脈弁狭窄症）とＭＳ（僧帽弁狭窄症）とＡＲ（大動脈弁閉鎖不全症）とその他の心雑音の症例の判断が正確にでき、尚且つ小型で迅速な判断ができる。

第１実施形態において、心音情報処理装置の構成を示す図。心音の種類とその周波数分布を表す図。図３（ａ）はＭＲ（僧帽弁閉鎖不全症）のＰ０〜Ｐ２のパワー割合の例を示す図であり、図３（ｂ）はＡＳ（大動脈弁狭窄症）のＰ０〜Ｐ２のパワー割合の例を示す図である。ＭＲ（僧帽弁閉鎖不全症）とＡＳ（大動脈弁狭窄症）とその他の心雑音症例とでＰ０のパワー割合の例を表した図。ＭＲ（僧帽弁閉鎖不全症）とＡＳ（大動脈弁狭窄症）とその他の心雑音症例とでＰ１のパワー割合の例を表した図。第１実施形態において、（ａ）はＰ０を用いた症例判定のフローチャートであり、（ｂ）はＰ１を用いた症例判定のフローチャートである。第２実施形態において、心雑音症例分類部の構成を示す図。図８（ａ）はＭＲ（僧帽弁閉鎖不全症）または心雑音のその他の症例における帯域パワーの例を示す図であり、（ｂ）はＡＳ（大動脈弁狭窄症）の帯域パワーの例を表す図である。ＭＲ（僧帽弁閉鎖不全症）、ＡＳ（大動脈弁狭窄症）および心雑音のその他の症例に関してＲ１の分布の例を示した図。第３実施形態において、心雑音検出部の構成を示す図。第３実施形態において、拡張期雑音検出方法の手順を示すフローチャート。図１２（Ａ）は拡張期雑音の周波数特性を示す図であり、図１２（Ｂ）は拡張期雑音のない心音データの周波数特性を示す図である。図１３（Ａ）は、拡張期雑音がある信号ＦＡの周波数分析結果を示す図であり、図１３（Ｂ）は、拡張期雑音がない信号ＦＡの周波数分析結果を示す図である。図１４（Ａ）は拡張期雑音がある信号ＦＡの周波数分析結果から求めた線形近似曲線を示す図であり、図１４（Ｂ）は拡張期雑音がない信号ＦＡの周波数分析結果から求めた線形近似曲線を示す図である。図１５（Ａ）はＭＳ（僧帽弁狭窄症）に関してＲ２とＲ３とを比較した図であり、図１５（Ｂ）はＡＲ（大動脈弁閉鎖不全症）に関してＲ２とＲ３とを比較した図である。第１実施形態、第２実施形態および第３実施形態による症例分類をまとめた図。

以下、図面を参照して本発明の実施の形態について説明する。
（第１実施形態）
図１は、心音情報処理装置の第１実施形態を示す図である。なお、心音情報処理装置は、コンピュータにより実行可能なプログラムとして実施するようにしてもよい。

心音情報処理装置１００は、信号入力部１１０と、信号処理部１２０と、心雑音検出部１３０と、データ処理部１４０と、心雑音症例分類部１５０と、表示情報生成部１６０と、を備える。

所定のマイク等を用いて聴診位置２ＲＳＢで集音された心音信号は、信号入力部１１０に入力される。
ここで、２ＲＳＢは第二肋間胸骨右縁の意である。
本実施形態において、処理対象となるのは、聴診位置２ＲＳＢで集音された心音信号だけである。
信号入力部１１０は、入力された信号を信号処理部１２０に出力する。

信号処理部１２０では、信号入力部１１０から入力された信号に基づいて、必要な信号を生成する。本実施形態においては、信号処理部１２０は、信号入力部１１０から入力された信号を所定の時間長のフレームで分割し、所定の通過帯域のバンドパスフィルタを用いて入力信号をフィルタリングし、ＦＦＴ等を用いて周波数領域に変換した信号を生成するとする。
なお信号処理部１２０は、この他に心雑音検出に用いる信号などを生成してもよく、生成する信号は一つに限られない。
信号処理部１２０では、生成した信号をデータ処理部１４０に出力する。

データ処理部１４０は、まず、信号処理部１２０から入力された信号を心雑音検出部１３０に出力する。そして、データ処理部１４０は、心雑音検出部１３０で処理された結果を利用し、心雑音検出部１３０で検出された心雑音区間を抽出した信号Ｓを生成する。次に、この信号Ｓを心雑音症例分類部１５０へ出力する。

心雑音検出部１３０には、データ処理部１４０から信号が入力される。心雑音検出部１３０は、入力された信号から心雑音を検出することにより心雑音区間を抽出し、データ処理部１４０に出力する。心雑音検出部１３０による心雑音の検出方法は既知の方法を用いればよい。例えば、本発明と同じ出願人による特願２０１１−１７３２９１号に記載の方法を用いても良いが、限定されるものではない。なお、心雑音検出部１３０で心雑音が検出されなかった場合は、処理は終了となる。

心雑音症例分類部１５０は、データ処理部１４０から入力された前記信号Ｓに基づいて症例の分類を行う。心雑音症例分類部１５０は、周波数帯域のパワーを抽出する周波数帯域パワー抽出部１５１と、周波数帯域パワー割合算出部１５２と、症例の分類を行う症例判定部１５３と、を備える。

周波数帯域パワー抽出部１５１は、データ処理部１４０から入力された信号Ｓから、所定の周波数帯域のパワーを算出し、周波数帯域パワー割合算出部１５２に出力する。
ここで「所定の周波数帯域」とは、図２に示すような、正常心音の周波数帯域である０〜２００Ｈｚ内の所定の周波数帯域や、駆出性雑音の周波数帯域である５０〜６００Ｈｚ内の所定の周波数帯域や、逆流性雑音の周波数帯域である１５０〜８００Ｈｚ内の所定の周波数帯域である。周波数帯域パワー抽出部１５１は、各帯域のパワーを算出し、それぞれＰ０、Ｐ１、Ｐ２とする。

なお、周波数帯域パワー抽出部１５１で抽出する周波数帯域パワーは上記に例示したＰ０、Ｐ１およびＰ２の組み合わせに限るものではなく、症例に応じての明確な違いが表れるように周波数帯域のパワーを選択すればよいのであるが、他の例は第２実施形態として後述する。

周波数帯域パワー割合算出部１５２は、周波数帯域パワー割合を算出する。
ここで周波数帯域パワー割合とは、信号Ｓにおける周波数帯域パワー（ここではＰ０、Ｐ１、Ｐ２）のそれぞれの割合を表した値で、例えば、１００〜２００Ｈｚの周波数帯域のパワーを、０〜１０００Ｈｚの周波数帯域のパワーで割るなど、ある周波数帯域（第一の周波数帯域）において、第一の周波数帯域の一部を構成する周波数帯域（第二の周波数帯域）が占める割合を示す値とする。
なお、第二の周波数帯域は１００〜２００Ｈｚに限らず、０〜１００Ｈｚ、１００〜５００Ｈｚ等他の周波数帯域を用いても良いし、前記第一の周波数帯域は０〜１５００Ｈｚ、０〜２０００Ｈｚ等他の周波数帯域を用いても良い。
また、連続した周波数帯域ではなく、１００〜１５０Ｈｚと１８０〜２００Ｈｚとの和など、断続的な周波数帯域や特定の周波数成分の和などを用いても良い。

より具体的には、周波数帯域パワー割合算出部１５２では、周波数帯域パワー抽出部１５１から入力されたＰ０、Ｐ１、Ｐ２のそれぞれの割合を式（１）により算出する。

図３（ａ）は、あるＭＲ（僧帽弁閉鎖不全症）の心雑音の各周波数分布区間の割合を表し、図３（ｂ）は、あるＡＳ（大動脈弁狭窄症）の心雑音の各周波数分布区間の割合を表している。
ＭＲ（僧帽弁閉鎖不全症）の心雑音の各周波数分布区間の割合としては、Ｐ０が８７％、Ｐ１が１１％、Ｐ２が２％となる。
これに対し、ＡＳ（大動脈弁狭窄症）の心雑音の各周波数分布区間の割合としては、Ｐ０が５２％、Ｐ１が４１％、Ｐ２が７％となる。
この他のデータにおいても、ＭＲ（僧帽弁閉鎖不全症）とＡＳ（大動脈弁狭窄症）とでは、Ｐ０とＰ１との割合に顕著な違いが見られる為、Ｐ０とＰ１とを比較対象とすればよい。

ここで症例の違いによる周波数帯域パワー割合に関し、いくつかサンプルを挙げる。
図４は、ＭＲ（僧帽弁閉鎖不全症）と、ＡＳ（大動脈弁狭窄症）と、心雑音のその他の症例と、でＰ０の割合を表した図である。また、図５は、ＭＲ（僧帽弁閉鎖不全症）と、ＡＳ（大動脈弁狭窄症）と、心雑音のその他の症例と、でＰ１の割合を表した図である。
ＭＲ（僧帽弁閉鎖不全症）とＡＳ（大動脈弁狭窄症）とその他の症例とでは、Ｐ０の割合やＰ１の割合に差があることがわかる。

症例判定部１５３は、周波数帯域パワー割合算出部１５２により得られた各周波数帯域パワー割合に基づいて、心雑音の症例を分類する。
図６は、症例判定方法のフローチャートである。
図６（ａ）に示すように症例判定部１５３は、まずＰ０の割合が７５％以上の範囲にあるかどうかを判定し（ステップＳ７０１）、その範囲にあれば症例をＭＲ（僧帽弁閉鎖不全症）とする。
また、Ｐ０の割合が７５％以上の範囲になければ、Ｐ０の割合が６０％以上７５％未満の範囲にあるか判定し（ステップＳ７０２）、Ｐ０の割合が６０％以上７５％未満の範囲になければ症例をＡＳ（大動脈弁狭窄症）と判定し、Ｐ０の割合が６０％以上７５％未満の範囲にあればその他の症例と判定する。あるいは図６（ｂ）のフローチャートを用いてもよい。
すなわち、症例判定部１５３は、Ｐ１の割合が３０％以上の範囲にあるか否かを判定し（ステップＳ７１１）、その範囲にあれば症例をＡＳ（大動脈弁狭窄症）と判定する。

また、Ｐ１の割合が３０％以上でなければ、Ｐ１の割合が１５％以上３０％未満の範囲にあるか判定し（ステップＳ７１２）、Ｐ１の割合が１５％以上３０％未満の範囲になければ症例をＭＲ（僧帽弁閉鎖不全症）と判定し、Ｐ１の割合が１５％以上３０％未満の範囲にあれば症例をＡＳ（大動脈弁狭窄症）と判定する。
この様に、Ｐ０、Ｐ１どちらを用いても症例を判別することが可能である。

なお、症例を分類するにあたって、Ｐ０およびＰ１の割合に例えば７５％や３０％といった判断閾値を設定したが、このような判断閾値の具体的な値は設計的な事項であり、心雑音を含むデータを収集してＰ０、Ｐ１を算出し、それらを用いて統計的に算出するようにしても良い。

症例判定部１５３は、判別した結果を表示情報生成部１６０に出力する。
表示情報生成部１６０は、判定結果を示す表示情報を生成して表示部１７０に出力し、表示部１７０は判定結果を表示する。
判定結果をどのように示すかは設計的事項であるが、例えば、本発明と同じ出願人による特願２０１１−１７３２９１号に記載の方法を用いてもよい。

上記に説明したように、第１実施形態では、一箇所の聴診位置で取得した心音についてのみ周波数解析を行った。
そして、このような第１実施形態の構成であっても、心雑音の症例であるＭＲ（僧帽弁閉鎖不全症）、ＡＳ（大動脈弁狭窄症）および心雑音のその他の症例を正しく判定できる。すなわち、本第１実施形態によれば、複数の聴診位置で心音を取得しなくても良いので短時間で症例の判定ができ、さらに、装置を小型化できることになる。したがって、在宅医療などで利用しやすく、医療の拡充に多大に貢献できるという格別の効果を奏する。

（第２実施形態）
第１実施形態では、周波数帯域のパワーの割合から、ＭＲ（僧帽弁閉鎖不全症）、ＡＳ（大動脈弁狭窄症）および心雑音のその他の症例、を判断する方法を説明した。
本第２実施形態では、周波数帯域のパワーの比較からＡＳ（大動脈弁狭窄症）を判別する方法を示す。
図７に第２実施形態に係る心雑音症例分類部１５７の構成を示す。
なお、第１実施形態と共通する構成については、同一の符号を付し、説明を省略する。
第２実施形態においては、図７に示すように、心雑音症例分類部１５７は、周波数帯域パワー抽出部１５１と、周波数帯域パワー割合算出部１５５と、ＡＳ判定部１５６と、を備える。

周波数帯域パワー抽出部１５１は、データ処理部１４０から入力された信号Ｓから、所定の周波数帯域のパワーを算出し、周波数帯域パワー割合算出部１５５に出力する。
ここで本実施形態における所定の周波数帯域について補足する。
０〜１５０Ｈｚ内の周波数帯域のパワーをＰ３とし、１００〜２５０Ｈｚ内の周波数帯域のパワーをＰ４とする。
図８は、症例ごとのＰ３とＰ４とを示すであるが、図８で示されるように、ＭＲ（僧帽弁閉鎖不全症）のピークは０〜１５０Ｈｚにあり、ＡＳ（大動脈弁狭窄症）のピークは１００〜２５０Ｈｚに存在する。
（逆にいうと、このことから０〜１５０Ｈｚ内の周波数帯域のパワーをＰ３とし、１００〜２５０Ｈｚ内の周波数帯域のパワーをＰ４とした。）

周波数帯域パワー割合算出部１５５は、周波数帯域パワー抽出部１５１から入力されたＰ３とＰ４とを比較する。
図８で示したように、ＭＲ（僧帽弁閉鎖不全症）ではＰ４はＰ３に比べて減少している。これに対し、ＡＳ（大動脈弁狭窄症）のＰ４はＰ３に比べて増加する。これは、２ＲＳＢ（第二肋間胸骨右縁）において、ＡＳ（大動脈弁狭窄症）にはＰ３の周波数帯域と比較してＰ４の周波数帯域に強いパワーがあることを示している。そこで、周波数帯域パワー割合算出部１５５は、式（２）からＰ４とＰ３との比Ｒ１を算出し、ＡＳ判定部１５６に出力する。

ＡＳ判定部１５６では、周波数帯域パワー割合算出部１５５から入力されたＲ１の情報を基に心雑音の症例を分類する。
図９は、いくつかのＭＲ（僧帽弁閉鎖不全症）、ＡＳ（大動脈弁狭窄症）および心雑音のその他の症例に関してＲ１の分布の例を示したものである。この図から、ＭＲ（僧帽弁閉鎖不全症）やその他の症例のＲ１の分布は、ＡＳ（大動脈弁狭窄症）のＲ１から分かれていることがわかる。このことから本実施形態では、ＡＳ判定部１５６は、Ｒ１の値が１以上であればＡＳ（大動脈弁狭窄症）と判定する。

なお、第１実施形態で説明した判定とこの第２実施形態で説明した判定とを組み合わせることで、判定精度の向上に繋げることができるのは言うまでもない。

以上のように、一箇所の聴診位置で取得した心音についてのみ周波数解析を行うことで、心雑音の症例であるＡＳの判断が正確にできる。

（第３実施形態）
第３実施形態として、心雑音検出、心雑音症例分類に関して説明を加える。
上記第１実施および第２実施形態のなかで説明した心雑音検出の方法は、心雑音が強く、Ｉ音ＩＩ音が弱い、いわゆる収縮期雑音と呼ばれる心雑音の検出に適していた。
本第３実施形態では更に、心雑音が弱く、Ｉ音ＩＩ音が強い、いわゆる拡張期雑音と呼ばれる心雑音の検出処理を追加することによって、より精度の高い心雑音の検出が可能となっている。

一般的に心雑音の症例であるＭＳ（僧帽弁狭窄症）とＡＲ（大動脈弁閉鎖不全症）とでは拡張期雑音が聴取される。拡張期雑音を検出できればＭＳ（僧帽弁狭窄症）とＡＲ（大動脈弁閉鎖不全症）との症例を分類することができ、したがって、心雑音の症例分類の精度を向上させる為には拡張期雑音を検出することが有効であることがわかる。また、ＡＲ（大動脈弁閉鎖不全症）を例に説明するとＡＲ（大動脈弁閉鎖不全症）は一般的に３ＬＳＢ（第三肋間胸骨左縁）または４ＬＳＢ（第四肋間胸骨左縁）が最強点とされており、２ＲＳＢ（第二肋間胸骨右縁）では聴感上聞き取りにくい場合があるので、結果として３ＬＳＢ（第三肋間胸骨左縁）および４ＬＳＢ（第四肋間胸骨左縁）も聴診することになる。しかし、本第３実施形態を追加することで第１実施形態および第２実施形態と同様に２ＲＳＢ（第二肋間胸骨右縁）の一箇所から取得した心音信号で正確に拡張期雑音を検出でき、症例を分類することができる。

第３実施形態における心雑音検出部１３０を図１０に示す。
（なお、心音情報処理装置を構成するその他の要素は、第１実施形態の図１や第２実施形態の図７と同様であるので、図示および説明を省略する。）

本第３実施形態における心雑音検出部１３０は、第１実施形態および第２実施形態で説明したのと同様の方法で心雑音を検出する収縮期雑音検出部１３１と、拡張期雑音を検出する拡張期雑音検出部１３２と、を有する。収縮期雑音検出部１３１は、第１実施形態および第２実施形態と同様の方法なのでここでの説明は省略する。

拡張期雑音検出部１３２での拡張期雑音検出方法を図１１のフローチャートを用いて説明する。
まず、Ｓ０１にてＩ音ＩＩ音検出を行う。
ここで拡張期雑音の特徴を説明する。
図１２（Ａ）に拡張期雑音の周波数特性を示す。このように拡張期雑音はＩ音とＩＩ音とが強くはっきりと聞き取れる。
そしてＩＩ音の後の点線で囲んだ部分に雑音としては弱く、聴感上聞き取りにくいが「サーッ」という雑音が存在している。
これが拡張期雑音である。これに対し、拡張期雑音のない心音データの周波数特性は、図１２（Ｂ）に示すように、ＩＩ音の後に雑音が存在しない。

以上のことから拡張期雑音を検出するにはＩＩ音〜Ｉ音区間の特徴を調査する必要がある為、まずはＳ０１にてＩ音ＩＩ音の位置を取得する。Ｉ音ＩＩ音の位置検出方法は既知の方法を用いればよい。例えば、本発明と同じ出願人による特願２０１１−１７３２９１に記載の方法を用いても良いが、限定されるものではない。

Ｉ音ＩＩ音の検出後、Ｓ０２にて拡張期雑音があるとされるＩＩ音〜Ｉ音区間の各周波数帯域の平均信号ＦＡを求める。このＳ０２の処理では、信号処理部１２０でＦＦＴを用いて周波数領域に変換した信号Ｓを用いる。

さて、信号Ｓの周波数帯域毎にＩＩ音〜Ｉ音区間の平均パワーを算出すると、図１３（Ａ）の拡張期雑音がある信号ＦＡの周波数分析結果や図１３（Ｂ）の拡張期雑音がない信号ＦＡの周波数分析結果のように周波数分析できる。図１３（Ａ）と図１３（Ｂ）とを比較してみると、図１３（Ａ）は１００〜１０００Ｈｚにかけて周波数帯域毎の傾き（差分）は一定を保ち緩やかに信号が弱くなっているが、図１３（Ｂ）では１００Ｈｚ付近で傾きが大きく信号が弱く、２００Ｈｚ以降は傾きが小さくなっている、という違いがある。このことから拡張期雑音の信号には２００〜１０００Ｈｚに雑音信号が含まれており、拡張期雑音でない信号には２００Ｈｚ以降は信号が弱いことがわかる。よって聴感上は聞き取りにくい信号でも、周波数分析を行うことで、２００〜１０００Ｈｚの周波数分布の特徴から拡張期雑音が存在するかしないかを判断することが可能である。

Ｓ０３では、拡張期雑音の特徴を検出する。すなわち、上述の特徴を考慮して、拡張期雑音の特徴が検出されるように周波数分布の解析を行う。
第一の方法としては、２００〜１１００Ｈｚの線形近似曲線（回帰直線）の傾きを算出することが挙げられる。
本実施形態では線形近似曲線の傾きは公知である最小二乗法を用いて算出する。
図１４（Ａ）が図１３（Ａ）の周波数分析から求めた２００〜１０００Ｈｚの線形近似曲線であり、図１４（Ｂ）が図１３（Ｂ）の周波数分析から求めた２００〜１０００Ｈｚの線形近似曲線である。拡張期雑音の線形近似曲線は２００〜１０００Ｈｚに雑音の信号が存在し、信号が弱まる１０００Ｈｚ以降との変化が大きいので図１４（Ａ）の様に傾きが大きくなる。反対に、拡張期雑音でない信号の場合２００〜１０００Ｈｚに雑音の信号が存在しない為、信号が弱くなり、１０００Ｈｚ以降との変化が少ないので、図１４（Ｂ）のように傾きが小さくなる。

以上のことから図１４（Ａ）と図１４（Ｂ）とで線形近似曲線の傾きを比較してみると、拡張期雑音の存在する図１４（Ａ）の傾きの方が大きいことがわかる。
最小二乗法での傾きを求める場合、想定する関数が測定値に対してよい近似となるように、残差の二乗和を最小とするような係数を決定する為、２００〜１０００Ｈｚに雑音信号が含まれる拡張期雑音は傾きが大きくなる。

この他に第二の方法としては、１００〜１０００Ｈｚにおける周波数帯域毎の傾き（差分）のバラツキを算出することが挙げられる。
上述したように拡張期雑音の信号は１００〜１０００Ｈｚにかけて周波数帯域毎の傾き（差分）は一定を保ち緩やかに信号が弱くなっているが、拡張期雑音でない信号は１００Ｈｚ付近で傾きが大きく、２００Ｈｚ以降は傾きが小さくなっている。これは周波数帯域毎の傾きを求めてみると、拡張期雑音の信号ではバラツキが小さく、拡張期雑音でない信号はバラツキが大きいということが言える。

更に第三の方法としては、０〜２０００Ｈｚの最大値、最小値から正規化を行い、正規化後の信号２００〜１０００Ｈｚの値の和を算出することが挙げられる。拡張期雑音の信号には２００〜１０００Ｈｚに雑音が存在し、信号が強い為２００〜１０００Ｈｚの値の和は大きくなる。反対に拡張期雑音のない信号は２００〜１０００Ｈｚの値が弱いため小さくなる。

なお、周波数分布の特徴から拡張期雑音の特徴を算出する方法は上記第一から第三の方法に限定されるものではない。

Ｓ０４では設定した拡張期雑音を判定する所定の閾値とＳ０３で算出した値とを比較する。比較した結果、ＩＩ音の後に拡張期雑音があると判断すれば、Ｓ０５にて拡張期雑音のカウントを一つプラスする。ＩＩ音の後に拡張期雑音がないという判断をすれば拡張期雑音のカウントは変化させず、次のＳ０６に進む。

上記処理を一つのＩＩ音〜Ｉ音区間の信号だけに行なうだけだと、拡張期雑音がないにも関わらず偶発的なノイズによって拡張期雑音と認識してしまう可能性がある。これを防ぐ為に心音データの総てのＩＩ音〜Ｉ音区間の周波数分析結果を調査し、拡張期雑音が周期的に発生しているか調査する。Ｓ０６では総てのＩＩ音〜Ｉ音区間の周波数分析結果を確認していなければ再度Ｓ０２に戻り、上記処理を繰り返す。総てのＩＩ音〜Ｉ音区間の周波数分析結果を確認していればＳ０７に進む。

Ｓ０７では、Ｓ０５でカウントした拡張期雑音の数が心音データ内の総てのＩＩ音〜Ｉ音の数に対してどの程度の何割を占めているかを次式で算出する。

（［拡張期雑音の数］／［ＩＩ音〜Ｉ音の数］）×１００・・・式（３）

例えば、拡張期雑音としてカウントした数が３で、ＩＩ音〜Ｉ音の全数が５だとすると、
（３／５）×１００＝６０％
という値が算出できる。

Ｓ０８では周期性があるかどうかを判断する為所定の閾値と比較する。本実施形態ではＳ０７で算出した値が閾値以上の場合に周期性があると判断する。周期性があると判断されれば、拡張期雑音と決定する（Ｓ０９）。周期性がないと判断されれば拡張期雑音でないと決定する（Ｓ１０）。

以上のような処理を行ったのち、拡張期雑音検出部１３２は、心音データに拡張期雑音が含まれているかの結果と、信号ＦＡと、をデータ処理部１４０に送る。

次に、本第３実施形態における心雑音症例分類部に関して説明する。
心雑音症例分類部の構成は、第１実施形態で述べた心雑音症例分類部（すなわち図１参照）と同様で、周波数帯域パワー抽出部１５１と、周波数帯域パワー割合算出部１５２と、症例判定部１５３と、を有している。しかし、心雑音検出部１３０にて拡張期雑音と判断されたか否かで、参照する周波数帯域を変更する。拡張期雑音が存在しない場合は、上記第１実施形態と同様の処理になるので説明は省略する。
以下では、拡張期雑音と判断された場合の症例分類方法を説明する。

まず、拡張期雑音の症例について述べると、一般的に拡張期雑音が存在する場合はＭＳ（僧帽弁狭窄症）かＡＲ（大動脈弁閉鎖不全症）という症例であると言われており、ＭＳ（僧帽弁狭窄症）の拡張期雑音には０〜２００Ｈｚの低域に強い信号が存在し、ＡＲ（大動脈弁閉鎖不全症）には０〜２００Ｈｚの低域に強い信号は存在しない。そこで、心雑音症例分類部１５０において、０〜２００Ｈｚの低域に強い信号が存在するかどうかでＭＳ（僧帽弁狭窄症）とＡＲ（大動脈弁閉鎖不全症）との症例を分類する方法を示す。

周波数帯域パワー抽出部１５１では、データ処理部１４０から入力された信号ＦＡから所定の周波数帯域のパワーの和を算出し、周波数帯域パワー割合算出部１５２に出力する。
ここで本第３実施形態の所定の周波数帯域について説明する。
ＭＳ（僧帽弁狭窄症）は０〜２００Ｈｚに強い信号が存在し２００Ｈｚ以降は徐々に信号が弱まる。これに対しＡＲ（大動脈弁閉鎖不全症）は０〜４００Ｈｚのパワーの差は少なくなっている。よって、０〜２００Ｈｚのパワーと２００〜４００Ｈｚのパワーを比較することで症例を分類することが可能となる。
０〜２００Ｈｚの周波数帯域のパワーの和と２００〜４００Ｈｚの周波数帯域のパワーの和とをそれぞれをＰ５、Ｐ６とする。

周波数帯域パワー割合算出部１５２では、周波数帯域パワー抽出部１５１から入力されたＰ５とＰ６の割合を求める。式（４）からＰ５とＰ６とのパワー比であるＲ２とＲ３とを求める。

図１５はＲ２とＲ３とを比較した図である。図１５（Ａ）に示すように、ＭＳ（僧帽弁狭窄症）ではＲ２の方が割合が大きいことがわかる。これは、より低域に強いパワーが存在していることを証明している。これに対し、図１５（Ｂ）に示すように、ＡＲ（大動脈弁閉鎖不全症）ではＲ２とＲ３との割合がほぼ同じとなっており、０〜２００Ｈｚの帯域に特別強い信号は存在していないことを示している。

症例判定部１５３では、Ｒ２の割合を症例を分類する為の所定閾値と比較する。本第３実施形態では、Ｒ２の割合が閾値以上あればＭＳ（僧帽弁狭窄症）、閾値未満であればＡＲ（大動脈弁閉鎖不全症）であるという判断を行う。

ＭＳ（僧帽弁狭窄症）とＡＲ（大動脈弁閉鎖不全症）との症例分類の方法はこれに限らず、別の方法を用いても良い。例えば、拡張期雑音を検出する際に用いたＩＩ音〜Ｉ音区間の平均パワーの線形近似曲線の傾きを用いても良い。低域に強い信号があるということは、それに比例して傾きも大きくなる。これを利用して、ＭＳ（僧帽弁狭窄症）とＡＲ（大動脈弁閉鎖不全症）との症例を分類するなどしても良い。

第１実施形態、第２実施形態および第３実施形態による症例分類を図１６にまとめた。
図１６（Ａ）は、第１実施形態および第２実施形態による症例分類である。
第１実施形態と第２実施形態とでは収縮期雑音を検出し、ＭＲ（僧帽弁閉鎖不全症）と、ＡＳ（大動脈弁狭窄症）と、その他に症例と、を分類することが可能であった。

一方、図１６（Ｂ）は、第３実施形態を第１実施形態および第２実施形態に追加した場合の症例分類を示し、第３実施形態の拡張期雑音検出を追加することによってＭＳ（僧帽弁狭窄症）およびＡＲ（大動脈弁閉鎖不全症）という症例も分類することができ、より詳細に心雑音の症例を分類することができる為、心雑音症例分類精度の向上にも繋がる。また、第３実施形態の拡張期雑音検出を追加することによって心雑音の検出精度をより向上させることができる。

以上の様に心雑音検出精度を向上させる事で心雑音の検出精度を向上させ、ＭＲ、ＭＳ、ＡＲ、ＡＳ、その他の症例を正確に分類でき、心雑音症例分類精度を向上させる事ができる為、医療の拡充に貢献することができる。

なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。

１００・・・心音情報処理装置、１１０・・・信号入力部、１２０・・・信号処理部、１３０・・・心雑音検出部、１３１・・・収縮期雑音検出部、１３２・・・拡張期雑音検出部、１４０・・・データ処理部、１５０・・・心雑音症例分類部、１５１・・・周波数帯域パワー抽出部、１５２・・・周波数帯域パワー割合算出部、１５３・・・症例判定部、１５５・・・周波数帯域パワー割合算出部、１５６・・・ＡＳ判定部、１５７・・・心雑音症例分類部、１６０・・・表示情報生成部、１７０・・・表示部。

Claims

１つの位置から集音された心音から心雑音を検出する心雑音検出部と、
前記心雑音検出部にて検出された心雑音の区間を利用し、心音データから抽出した分析信号を生成するデータ処理部と、
前記分析信号の周波数成分に基づいて心雑音の症例を分類する心雑音症例分類部と、を備え、
前記心雑音症例分類部は、
前記分析信号の、所定の周波数成分である第一の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分である第二の周波数成分と、の比、または、
前記第二の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分であって前記第二の周波数成分と異なる第三の周波数成分と、の比、に基づいて心雑音の症例を分類するとともに、
前記分析信号における心雑音の数とＩＩ音及びＩ音の数とをカウントし、カウントした数に基づいて心雑音が周期性を有しているか否かを判定し、心雑音が周期性を有しているか否かに基づいて心雑音の症例を分類する
ことを特徴とする心音情報処理装置。
前記心雑音検出部は、前記１つの位置として、２ＲＳＢ（第二肋間胸骨右縁）において集音された心音から心雑音を検出する、
ことを特徴とする請求項１に記載の心音情報処理装置。
前記データ処理部は、前記心雑音の区間として収縮期雑音区間および拡張期雑音区間のうち、両方もしくはどちらか一方を抽出した分析信号を生成する、
ことを特徴とする請求項１または請求項２に記載の心音情報処理装置。
前記データ処理部は、前記拡張期雑音区間として、ＩＩ音からＩ音区間の信号の０〜１５００Ｈｚの周波数範囲に含まれる一または複数における周波数帯域中の周波数分布の特徴に基づいて抽出した分析信号を生成する、
ことを特徴とする請求項３に記載の心音情報処理装置。
前記心雑音症例分類部は、前記第二の周波数成分を、０〜２００Ｈｚ、５０〜６００Ｈｚ、および、１５０〜８００Ｈｚの周波数成分のうちのいずれかの周波数成分を含むものとして心雑音の症例を分類する、
ことを特徴とする請求項１から請求項４のいずれか１項に記載の心音情報処理装置。
前記心雑音症例分類部は、
前記分析信号の、所定の周波数成分である第一の周波数成分の一部を構成する所定の周波数成分である第二の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分であって前記第二の周波数成分と異なる第三の周波数成分と、の比、に基づいて心雑音の症例を分類し、
前記第二の周波数成分は、０〜１５０Ｈｚの周波数範囲のなかのいずれかの周波数成分を含み、
前記第三の周波数成分は１００〜２５０Ｈｚの周波数範囲のなかのいずれかの周波数成分を含む
ことを特徴とする請求項１から請求項４のいずれか１項に記載の心音情報処理装置。
前記心雑音症例分類部は、
前記分析信号の、所定の周波数成分である第一の周波数成分の一部を構成する所定の周波数成分である第二の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分であって前記第二の周波数成分と異なる第三の周波数成分と、の比、に基づいて心雑音の症例を分類し、
前記第二の周波数成分は、０〜２００Ｈｚの周波数範囲のなかのいずれかの周波数成分を含み、
前記第三の周波数成分は、２００〜１０００Ｈｚの周波数範囲のなかのいずれかの周波数成分を含む
ことを特徴とする請求項１から請求項４のいずれか１項に記載の心音情報処理装置。
心音情報処理装置の作動方法であって、
１つの位置から集音した心音から心雑音を検出する心雑音検出部が作動し、
前記心雑音検出部にて検出された心雑音の区間を利用し、心音データから抽出した分析信号を生成するデータ処理部が作動し、
前記分析信号の周波数成分に基づいて心雑音の症例を分類する心雑音症例分類部が作動し、
前記心雑音症例分類部は、
前記分析信号の、所定の周波数成分である第一の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分である第二の周波数成分と、の比、または、
前記第二の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分であって前記第二の周波数成分と異なる第三の周波数成分と、の比、に基づいて心雑音の症例を分類するとともに、
前記分析信号における心雑音の数とＩＩ音及びＩ音の数とをカウントし、カウントした数に基づいて心雑音が周期性を有しているか否かを判定し、心雑音が周期性を有しているか否かに基づいて心雑音の症例を分類する
ことを特徴とする心音情報処理方法。
心音情報処理装置が備えるコンピュータに、
１つの位置から集音した心音から心雑音を検出する心雑音検出ステップ、
前記心雑音検出ステップにおいて検出された心雑音の区間を利用し、心音データから抽出した分析信号を生成するデータ処理ステップ、
前記データ処理ステップにおいて生成された前記分析信号の周波数成分に基づいて心雑音の症例を分類する心雑音症例分類ステップ、を実行させ、
前記心雑音症例分類ステップは、
前記分析信号の、所定の周波数成分である第一の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分である第二の周波数成分と、の比、または、
前記第二の周波数成分と、前記第一の周波数成分の一部を構成する所定の周波数成分であって前記第二の周波数成分と異なる第三の周波数成分と、の比、に基づいて心雑音の症例を分類するとともに、
前記分析信号における心雑音の数とＩＩ音及びＩ音の数とをカウントし、カウントした数に基づいて心雑音が周期性を有しているか否かを判定し、心雑音が周期性を有しているか否かに基づいて心雑音の症例を分類する
ことを特徴とする心音情報処理プログラム。